XNews

PageIndex Flash:完全本地化的PDF树形引擎基于布局结构而非视觉模型

PageIndex Flash:完全本地化的PDF树形引擎基于布局结构而非视觉模型

PageIndex Flash 是一个开源的、完全本地化的PDF索引引擎,它通过读取PDF自身的布局信息来构建层次化目录,而非依赖视觉模型推理。它解决了长文档中相似性≠相关性的问题,让大语言模型(LLM)导航树形索引以定位正确的页面。该两阶段过程首先构建包含标题、页面范围和摘要的树,然后使用LLM搜索该树。使用gpt-5.6-luna进行索引的成本约为每页0.001美元(1000页的教科书约需1美元),索引时间从9页文档的13秒到1098页文档的4.5分钟不等。在MMLongBench-Doc-V2的62个查找问题中,树形搜索优于全文输入:对于52页文档,全文成本是其2.1倍;对于420页文档,为16.6倍;超过800页,全文超出上下文窗口。该引擎不适用于扫描版或图像密集型的PDF;此类文档需要使用PageIndex Cloud。通过as_openai_tools()和agent_instructions()提供代理集成,支持OpenAI Agents SDK、Anthropic、LangChain和PydanticAI等框架。

Source posts